【摘 要】
：
结构件的疲劳断裂失效是工程应用中面临的重要问题之一。研究表明,当疲劳裂纹处于扩展阶段时,可通过多种迟滞方法实现降低裂纹扩展速率,达到延长结构件疲劳寿命的效果。本文基于QSTE340TM汽车钢板,通过实验测试和数值分析,探究了金属板材在多种不同的高载、打孔的单独作用和组合作用下,裂纹扩展速率的迟滞行为及其机理。本文深入探究了不同载荷条件的单次高载对裂纹扩展速率的影响。较低载荷比（R=0.1～0.5）
论文部分内容阅读
结构件的疲劳断裂失效是工程应用中面临的重要问题之一。研究表明,当疲劳裂纹处于扩展阶段时,可通过多种迟滞方法实现降低裂纹扩展速率,达到延长结构件疲劳寿命的效果。本文基于QSTE340TM汽车钢板,通过实验测试和数值分析,探究了金属板材在多种不同的高载、打孔的单独作用和组合作用下,裂纹扩展速率的迟滞行为及其机理。本文深入探究了不同载荷条件的单次高载对裂纹扩展速率的影响。较低载荷比（R=0.1～0.5）和较高载荷比（R=0.7）循环作用下,高载产生的裂纹扩展迟滞有显著不同。较低载荷比条件下,高载后存在显著的裂纹闭合效应。裂纹闭合载荷达到峰值后呈线性下降,而裂纹扩展速率则呈曲线恢复。通过对有效应力强度因子表达式引入裂纹闭合区域比例,建立了综合考虑裂纹闭合区域、Kmin和KOP对闭合效应贡献的Alpha表达式。另一方面,裂纹扩展速率谷值与裂纹闭合效应峰值在各实验组中均存在显著的错位现象。本文将Alpha模型与Wheeler模型结合,实现对在残余应力效应和裂纹闭合效应先后影响下的裂纹扩展速率表述,并在QSTE340TM、DP780、6082T6等板材料的实验结果中得到很好的验证。在单次高载分析的基础上,本文对双重高载、混合型高载等复杂条件作用下的裂纹扩展迟滞现象开展了进一步研究。第二次高载产生的裂纹闭合效应的总体变化趋势类似于单次高载,采用Wheeler-Alpha模型仍能取得较好的预测。此外分析中还发现,当第二次高载施加于第一次高载后的残余应力效应主导区域时,第二次高载产生的裂纹闭合效应有所减弱;当施加于裂纹闭合效应主导区域时则有所增强,从而使疲劳寿命进一步提高。针对I+II混合型高载作用,研究发现裂纹扩展速率的迟滞效果随混合高载施加角度的增大而减小。论文还探究了裂纹在打孔迟滞、高载和打孔组合迟滞下的裂纹扩展速率及疲劳寿命的规律。裂纹扩展的剩余疲劳寿命与打孔直径呈正相关,与打孔时裂纹长度呈负相关关系。当裂纹尚未从孔边缘起裂时施加高载,将产生耦合效应,使疲劳寿命显著增加。论文建立了一种基于短裂纹效应和残余应力效应的裂纹扩展速率模型,并将其与Wheeler-Alpha模型结合,实现了在打孔和高载耦合效果下的裂纹扩展速率估计。
其他文献
图像标题生成是自动给图像生成一个描述性标题,这是一个结合计算机视觉和自然语言处理的重要研究方向。图像标题生成可以辅助图像搜索和视频搜索,有着巨大的应用价值。当前主流的方法是基于注意力机制的图像标题生成。虽然图像标题生成已经被研究了很多年,但是现有方法生成的标题和人类给出的标题相比还是有很大的差距。本文主要是对基于注意力机制的图像标题生成进行改进,提高模型生成的标题的质量。本文在两个方向上对图像标题
随着流媒体业务的飞速增长,移动数据流量持续呈现井喷式增长的趋势。为了缓解通信网络的压力,采用缓存技术卸载数据流量行之有效。而且,用户协作缓存将大大降低缓存内容放置的成本。为此,本文对基于反向拍卖的无线业务协作缓存技术进行了研究。在本研究中,我们考虑用户终端（UTs）协作将无线热点业务缓存到智能路由中继（IRR）侧的方案。为了有效激励用户参与协作缓存任务,本文构建了基于反向拍卖的协作缓存模型,其中,
太赫兹成像是以太赫兹辐射作为信号源的成像技术,有低光子能量和高透明度的优点,因其非电离的特点被广泛应用于安检、生物诊断、电子元器件认证等领域。太赫兹辐射的波长较长,因此成像分辨率较低,图像质量也较差,需要进一步处理才能应用与实际场景中。本项研究探索了有源主动反射式成像的太赫兹图像的噪声建模和去噪算法。经过对太赫兹噪声的统计分析,我们发现太赫兹噪声符合一种广义的高斯分布,即-稳定分布,它能够描述非对
目标的细粒度分类技术已经成为交通监控系统中的关键一环,被应用于车辆目标的实时车型识别任务。针对车辆目标的图像,细粒度分类算法需要在车辆目标这个大类别中,对其中数百个子类别进行细粒度分类,识别出不同的车型信息。虽然在理想环境中,只需要检测单帧图像中的车辆号牌即可通过后台查询得到具体的车型信息。但在复杂多变的环境条件与车辆号牌污损情况下,无法直接得到车辆号牌信息,因此不能保证精准车型信息的有效获取。目
随着智能终端的迅速发展和广泛普及,无线网络下的移动多媒体数据流量呈现爆炸式的增长。与此同时,智能终端设备的本地缓存能力有了长足的发展,通过在无线网络的终端侧预先缓存网络所需要的内容并对周围用户分发共享能够显著的降低网络的空口压力并且减少网络流量的大量冗余重复传输,给无线通信网络带来性能上的大幅提升。因此有必要对于终端用户的缓存策略进行深入研究,以达到较好的缓存策略和性能。在本文中,我们首先考虑了设
近年来我国车辆产业蓬勃发展,车辆数量呈现井喷式增长。车联网体系主要包括基于LTE资源的C-V2X架构与分布式VANET架构,二者均能够为车辆提供数据服务与行驶信息,辅助司机驾驶,有效减少交通事故的发生。路由算法是车联网通信中的关键技术之一,路由的决策很大程度上影响了车辆间通信的传输性能。在车联网场景下,车辆运动速度较快,车辆间链路不稳定,传统的路由协议效果欠佳。本文针对不同网络结构提出以下路由改进
近年来,随着深度学习的飞速发展,深度神经网络在许多机器学习任务中,包括计算机视觉、自然语言处理、语音识别方面,都取得了飞跃式的发展。随着深度神经网络性能的不断增强,神经网络的层数越来越多,结构越来越复杂,需要强大的硬件资源才能负担。随着5G的发展,未来社会将充满更多廉价,低功耗的移动设备,研究人员纷纷开始寻求将神经网络部署到移动端设备使其智能化。然而,深度神经网络需要消耗和占用大量的计算开销和储存
医学图像分割是决定医学图像在临床诊疗中能否提供可靠依据的关键问题,它在生物医学图像的分析中占据着非常重要的地位。近年来,由于深度学习算法的广泛应用,针对医学图像的分割技术有了快速的发展。目前,深度学习算法已经被成功的应用到很多医学图像分割问题当中。然而,针对一些缺乏大量数据支持的影像表现形式多样的罕见疾病,依赖数据的深度学习算法难以发挥其性能。针对这一问题,本文提出了一种基于深度学习的医学图像分割
2020年1月,英国正式脱欧,成为国际关系领域著名的黑天鹅事件。然而,英国成功脱欧都不是一个"最终结果",而是一个新的开始。英国的成功脱欧无疑是欧洲一体化的重大挫折,但对英国来说是福是祸,还是祸福相依,都值得探讨。第三类新古典现实主义为探究英国脱欧的动因、进程与前景提供了独特的理论视角和研究路径。英国脱欧既是英国与欧盟之间一系列政策互动的结果,也是双方根据自身利益不断博弈的过程。英国脱欧后不再是欧